Buchumschlag

Link Prediction with Relational Hypergraphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Xingyue, Orth, Miguel Romero, Barceló, Pablo, Bronstein, Michael M., Ceylan, İsmail İlkan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HYPER: A Foundation Model for Inductive Link Prediction with Knowledge Hypergraphs
von: Huang, Xingyue, et al.
Veröffentlicht: (2025)

How Expressive are Knowledge Graph Foundation Models?
von: Huang, Xingyue, et al.
Veröffentlicht: (2025)

Cooperative Graph Neural Networks
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2023)

One Model, Any Conjunctive Query: Graph Neural Networks for Answering Queries over Incomplete Knowledge Graphs
von: Olejniczak, Krzysztof, et al.
Veröffentlicht: (2024)

Fisher Flow Matching for Generative Modeling over Discrete Data
von: Davis, Oscar, et al.
Veröffentlicht: (2024)

Bringing Graphs to the Table: Zero-shot Node Classification via Tabular Foundation Models
von: Hayler, Adrian, et al.
Veröffentlicht: (2025)

What are the Right Symmetries for Formal Theorem Proving?
von: Olejniczak, Krzysztof, et al.
Veröffentlicht: (2026)

Explaining k-Nearest Neighbors: Abductive and Counterfactual Explanations
von: Barceló, Pablo, et al.
Veröffentlicht: (2025)

RelAgent: LLM Agents as Data Scientists for Relational Learning
von: Huang, Xingyue, et al.
Veröffentlicht: (2026)

Homomorphism Counts for Graph Neural Networks: All About That Basis
von: Jin, Emily, et al.
Veröffentlicht: (2024)

Flock: A Knowledge Graph Foundation Model via Learning on Random Walks
von: Kim, Jinwoo, et al.
Veröffentlicht: (2025)

Learning on Large Graphs using Intersecting Communities
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2024)

Equivariance Everywhere All At Once: A Recipe for Graph Foundation Models
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2025)

Homomorphism Counts as Structural Encodings for Graph Learning
von: Bao, Linus, et al.
Veröffentlicht: (2024)

Future Directions in the Theory of Graph Machine Learning
von: Morris, Christopher, et al.
Veröffentlicht: (2024)

MacroGuide: Topological Guidance for Macrocycle Generation
von: Maksymiuk, Alicja, et al.
Veröffentlicht: (2026)

Inductive Link Prediction on N-ary Relational Facts via Semantic Hypergraph Reasoning
von: Yin, Gongzhu, et al.
Veröffentlicht: (2025)

Hyperbolic Hypergraph Neural Networks for Multi-Relational Knowledge Hypergraph Representation
von: Li, Mengfan, et al.
Veröffentlicht: (2024)

Self-Exploring Language Models for Explainable Link Forecasting on Temporal Graphs via Reinforcement Learning
von: Ding, Zifeng, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Framework for Answering Graph Pattern Queries in Knowledge Graphs
von: Cucumides, Tamara, et al.
Veröffentlicht: (2023)

Ehrenfeucht-Haussler Rank and Chain of Thought
von: Barceló, Pablo, et al.
Veröffentlicht: (2025)

MaGNet: A Mamba Dual-Hypergraph Network for Stock Prediction via Temporal-Causal and Global Relational Learning
von: Tan, Peilin, et al.
Veröffentlicht: (2025)

Dynamic Hypergraph-Enhanced Prediction of Sequential Medical Visits
von: Yang, Wangying, et al.
Veröffentlicht: (2024)

Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction
von: Yu, Leisheng, et al.
Veröffentlicht: (2025)

Effective Sample Size and Generalization Bounds for Temporal Networks
von: Gahtan, Barak, et al.
Veröffentlicht: (2025)

Zero-One Laws of Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2023)

Multi-Relational Graph Neural Network for Out-of-Domain Link Prediction
von: Sattar, Asma, et al.
Veröffentlicht: (2024)

Mathematical Foundations of Geometric Deep Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2025)

Over-squashing in Spatiotemporal Graph Neural Networks
von: Marisca, Ivan, et al.
Veröffentlicht: (2025)

gLSTM: Mitigating Over-Squashing by Increasing Storage Capacity
von: Blayney, Hugh, et al.
Veröffentlicht: (2025)

Relational Learning in Pre-Trained Models: A Theory from Hypergraph Recovery Perspective
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Supercharging Graph Transformers with Advective Diffusion
von: Wu, Qitian, et al.
Veröffentlicht: (2023)

Enhanced Atrial Fibrillation Prediction in ESUS Patients with Hypergraph-based Pre-training
von: Xie, Yuzhang, et al.
Veröffentlicht: (2026)

Curly Flow Matching for Learning Non-gradient Field Dynamics
von: Petrović, Katarina, et al.
Veröffentlicht: (2025)

Almost Surely Asymptotically Constant Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2024)

Predicting Time Series of Networked Dynamical Systems without Knowing Topology
von: Ding, Yanna, et al.
Veröffentlicht: (2024)

HypergraphFormer: Learning Hypergraphs from LLMs for Editable Floor Plan Generation
von: Klimenko, Nikita, et al.
Veröffentlicht: (2026)

SMA-Hyper: Spatiotemporal Multi-View Fusion Hypergraph Learning for Traffic Accident Prediction
von: Gao, Xiaowei, et al.
Veröffentlicht: (2024)

Decoupling Spatio-Temporal Prediction: When Lightweight Large Models Meet Adaptive Hypergraphs
von: Chen, Jiawen, et al.
Veröffentlicht: (2025)

Implicit Hypergraph Neural Networks: A Stable Framework for Higher-Order Relational Learning with Provable Guarantees
von: Li, Xiaoyu, et al.
Veröffentlicht: (2025)